Question

我尝试构建向量化/并行股票回测程序。我实现了带有循环的顺序版本，但是现在我被困在矢量化功能上。我正在为此使用Pandas / Numpy，这是一个简短的概述：

给定2列，左侧为订单数量（要添加到头寸），右侧为止损位（如果止损位为1，头寸将重置为0）

M = [[0.1, 0], # left column is order quantity, right is stop
     [0.1, 0],
     [0.5, 0],
     [0.5, 0],
     [0.3, 0],
     [-0.3, 0], # negative order quantity means short or sell
     [-0.1, 1]] # right column (stop) is 1, so position is reset to 0

我想根据初始矩阵M计算2列：左列是基于订单数量的位置（范围从-1到1，但不能超过），右列则是已执行的订单数量

R = [[0.1, 0.1],
     [0.2, 0.1],
     [0.7, 0.5], # position (left column) is equal to cumsum of order quantity (from last stop trigger)
     [1, 0.3], # executed quantity is < order quantity as it's the remainder to position's max of 1
     [1, 0],
     [0.7, -0.3],
     [-0.1, -0.8]] # stop triggered, so position is reset to 0, and then -0.1 in order quantity is executed

位置基本上是订单数量的总和，但仅直到1或-1，并且仅在未触发止损时才出现
已执行的订单数量是未超过头寸限制的订单数量，否则是剩余数量
停止（在1时）将位置重置为0

问题在于每个条件都基于另一个条件。这是否意味着该任务不能同时解决？

我可以想象一种方法，该方法具有数量累加和索引，并在其中触发了止损，并应用于该累加以计算已执行的数量。我希望您能找到解决此问题的优雅方法的任何提示。也许除了cumsum之外，还要研究哪些Numpy功能。

编辑：顺序版本的非常简化的版本：

orders = [{'quantity': 0.1,'stop': 0},{'quantity': 0.1,'stop': 0},{'quantity': 0.5,'stop': 0},{'quantity': 0.5,'stop': 0},{'quantity': 0.3,'stop': 0},{'quantity': -0.3,'stop': 0},{'quantity': -0.1,'stop': 1}]
position = 0

for order in orders:
    position_beginning = position
    if order['stop'] == 1:
        position = 0

    if order['quantity']+position <= 1 and order['quantity']+position >= -1:
        position += order['quantity']
    elif position < 0 and order['quantity'] < 0:
        position = -1
    elif position > 0 and order['quantity'] > 0:
        position = 1


    executed_quantity = abs(position - position_beginning) * (1 if position > position_beginning else -1)
    print(position, executed_quantity)

在实际应用中，订单数量要复杂得多，例如分为子数量。回测器必须以子数量运行数百万个订单，这一事实使使用这种循环方法的过程变得非常缓慢。

根据3个连续条件得出的输出是否为空？

0 个答案: